TI - Questões de Sistemas de Informações Gerenciais

Prévia do material em texto

Questões comentadas
Sistemas de Informações Gerenciais
para concursos
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
Prefácio
Atualmente estamos inseridos num contexto de extrema mutabilidade, onde a concorrência se
torna cada vez mais acirrada. O mercado é global e mais sensível às mudanças e o consumidor
tornar-se cada vez mais exigente em relação ao custo e à qualidade do produto e dos serviços
associados.
Devido à competição exaltada e à necessidade de cultivar lucros, as empresas estão transfor-
mando algumas das Tecnologias de Informação em ferramentas estratégicas para obterem su-
cesso no gerenciamento dos seus negócios.
No cenário atual, onde os gerentes necessitam tomar decisões rápidas em resposta às adversida-
des que ocorrem freqüentemente em seus negócios, faz-se necessário um sistema de informação
que dê suporte às suas decisões, levantando informações precisas, confiáveis, oportunas e rele-
vantes, apresentando-as em um formato facilmente compreensível.
Dentro desse cenário, a Tecnologia de Informação assume um papel de grande importância ao
permitir de forma rápida e simples a manipulação das informações necessárias ao gerenciamento
integrado dos negócios. O Data Warehouse, em especial, oferece os fundamentos e os recursos
necessários à tomada de decisão, fornecendo dados integrados e históricos a todos os níveis da
organização.
Como era de se esperar, os concursos de TI, sempre atentos ao cenário atual, cobram com
frequência tal assunto.
Este volume tem por objetivo fornecer ao candidato uma visão dos principais recursos em-
pregados na extração de informação útil à tomada de decisão. Para tanto, o Grupo Handbook
de TI selecionou uma série de questões comentadas em detalhes para você.
Bons estudos,
Grupo Handbook de TI
Página 1 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
Direitos Autorais
Este material é registrado no Escritório de Direitos Autorais (EDA) da Fundação Biblioteca
Nacional. Todos os direitos autorais referentes a esta obra são reservados exclusivamente aos
seus autores.
Os autores deste material não proíbem seu compartilhamento entre amigos e colegas próxi-
mos de estudo. Contudo, a reprodução, parcial ou integral, e a disseminação deste material de
forma indiscriminada através de qualquer meio, inclusive na Internet, extrapolam os limites da
colaboração. Essa prática desincentiva o lançamento de novos produtos e enfraquece a comuni-
dade concurseira Handbook de TI.
A série Handbook de Questões de TI Comentadas para Concursos � Além do Gabarito é uma
produção independente e contamos com você para mantê-la sempre viva.
Grupo Handbook de TI
Página 2 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
Canais de Comunicação
O Grupo Handbook de TI disponibiliza diversos canais de comunicação para os concurseiros
de TI.
Loja Handbook de TI
Acesse a nossa loja virtual em http://www.handbookdeti.com.br
Serviço de Atendimento
Comunique-se diretamente conosco através do e-mail faleconosco@handbookdeti.com.br
Twitter do Handbook de TI
Acompanhe de perto promoções e lançamentos de produtos pelo nosso Twitter http://twitter.
com/handbookdeti
Página 3 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
1. Assuntos relacionados: Banco de Dados,
Banca: CESGRANRIO
Instituição: Petrobras
Cargo: Analista de Sistemas - Eng. de Software
Ano: 2008
Questão: 27
Há 3 cidades com 5 clientes cada, 2 cidades com 4 clientes cada e 10 produtos cadastrados
no banco de dados. Se um cliente não compra o mesmo produto duas vezes no mesmo dia
e nem em dois dias seguidos, a quantidade máxima de registros na tabela VENDA, para
clientes de uma determinada cidade, em um intervalo qualquer de 30 dias, será
(a). 300
(b). 750
(c). 1500
(d). 3000
(e). 4500
Solução:
Note que um cliente não poderá comprar o mesmo produto por mais de 15 vezes em um
intervalo de 30 dias, já que o intervalo mínimo entre as compras de um mesmo produto será
de 2 dias.
No caso máximo, qualquer cliente poderá realizar a compra de todos os 10 produtos, mas
não poderá comprar um mesmo produto por mais de 15 vezes dentro do intervalo de 30 dias.
Ou seja, um cliente poderá representar, no máximo, 150 (15x10) registros na tabela VENDA.
As cidades que possuem mais clientes, possuem cinco clientes. Logo, no máximo, essas
cidades poderão conter 750 (5x15x10) registros na tabela VENDA. Concluímos que a res-
posta correta é a alternativa B.
A cidade que possui quatro clientes, poderá, no máximo, ser associada a 600 registros da
tabela VENDA. Podemos também calcular a quantidade máxima de registros na tabela
VENDA da seguinte maneira: 3x5x15x10 + 2x4x15x10 = 3450. Tal cálculo seria interes-
sante se quiséssemos, por exemplo, dimensionar o tamanho máximo do banco de dados.
Página 4 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
2. Assuntos relacionados: Sistemas de Informações Gerenciais,
Banca: ESAF
Instituição: Secretaria do Tesouro Nacional (STN)
Cargo: Analista de Finanças e Controle - Tecnologia da Informação / Desenvolvimento de
Sistemas de Informação
Ano: 2008
Questão: 28
O sistema de informação utilizado pelo Governo Federal para controlar e acompanhar a
execução orçamentária, patrimonial e financeira é denominado
(a). SIGPLAN.
(b). SISG.
(c). SIAFI.
(d). SIASG.
(e). SIAPE.
Solução:
Para identificação da resposta correta é necessário conhecer o significado das siglas listadas.
Assim, além de dizer a razão pela qual uma resposta é correta ou incorreta, o significado
das siglas e o propósito do sistema por elas representados serão apresentados.
(A) INCORRETA
SIGPLAN
1
é o sistema de informações gerenciais e de planejamento e contribui na ela-
boração, monitoramento, avaliação e revisão dos programas do Plano Plurianual. Ele foi
concebido para apoiar a execução dos programas governamentais e é utilizado pelos órgãos
setoriais, presidência da república, casa civil, ministérios e outras entidades.
Seu objetivo é o de servir como meio de comunicação e integraçao entre as pessoas respon-
sáveis em executar e monitorar os programas governamentais, fornecendo as informações
necessárias e em tempo.
Algumas de suas características mais importantes são:
• Acompanhamento da execução física em �tempo real�: por ele a administração pública
federal pode realizar um efetivo gerenciamento das ações governamentais, em particular
no que diz respeito ao desempenho físico;
• Gestão de restrições: possibilita ao gerente a antecipação e sistematização das restri-
ções, o que facilita a mobilização e a busca por soluções por parte do governo e seus
parceiros;
• Integração de informações: sua base de dados contém informações sobre a execução das
ações, seu gerenciamento e monitoramento, e informações orçamentárias e financeiras
sobre cada programa, sendo composta de dados provenientes de diversas fontes.
1
Manual de Operação do SIGPlan, disponível em http://www.sigplan.gov.br/arquivos/Download/ManualSigplan.pdf
e acessado em 25/05/2010.
Página 5 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
(B) INCORRETA
O sistema de serviços gerais - SISG
2
não é um sistema de informação, mas o sistema que
organiza as atividades de administração de edifícios públicos e imóveis residenciais, material,
transporte, comunicações administrativas e documentação.
Além de ser integrado pelos órgãos e unidades da Administração Federal incumbidoses-
pecificamente de executar as atividades relacionados ao sistema, os ministérios militares e o
estado-maior das forças armadas poderão aplicar, no que couber, as normas pertinentes ao
SISG.
O SISG compreende:
I. o órgão central, responsável pela formulação de diretrizes, orientação, planejamento e
coordenação, supervisão e controle dos assuntos relativos a Serviços Gerais;
II. os órgãos setoriais, unidades incumbidas especificamente de atividades concernentes ao
SISG, nos Ministérios e órgãos integrantes da Presidência da República;
III. os órgãos seccionais, unidades incumbidas da execução das atividades do SISG, nas
autarquias e fundações públicas.
(C) CORRETA
O SIAFI
3
, ou sistema de integrado de administração financeira, é um sistema contábil que
tem por finalidade realizar todo o processamento, controle e execução financeira, patrimonial
e contábil do governo federal brasileiro. Ele é gerido pela Secretaria do Tesouro Nacional,
STN.
Ele foi projetado com o intuito de resolver os problemas de natureza administrativa que
dificultavam a adequada gestão dos recursos públicos e a preparação do orçamento unificado
brasileiro. Assim, com a criação da STN, em 1986, a STN, em conjunto com o SERPRO,
desenvolveu tal sistema. Após a criação do sistema, o governo federal tem uma conta única
para gerir, de onde todas as saídas de dinheiro ocorrem com o registro de sua aplicação e
do servidor público que a efetuou.
Seus principais objetivos são o de:
• prover mecanismos adequados ao controle diário da execução orçamentária, financeira
e patrimonial aos órgãos da Administração Pública;
• fornecer meios para agilizar a programação financeira, otimizando a utilização dos
recursos do Tesouro Nacional, através da unificação dos recursos de caixa do Governo
Federal;
• permitir que a contabilidade pública seja fonte segura e tempestiva de informações
gerenciais destinadas a todos os níveis da Administração Pública Federal;
• padronizar métodos e rotinas de trabalho relativas à gestão dos recursos públicos, sem
implicar rigidez ou restrição a essa atividade, uma vez que ele permanece sob total
controle do ordenador de despesa de cada unidade gestora;
2
Decreto No 1.094, de 23 de março de 1994. Disponível em
http://www.planalto.gov.br/ccivil_03/Decreto/Antigos/D1094.htm e acessado em 25/05/2010.
3
Conheça o SIAFI - A História do SIAFI. Disponível em
http://www.tesouro.fazenda.gov.br/siafi/index_conheca_siafi.asp e acessado em 25/05/2010.
Página 6 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
• permitir o registro contábil dos balancetes dos estados e municípios e de suas supervi-
sionadas;
• permitir o controle da dívida interna e externa, bem como o das transferências negoci-
adas;
• integrar e compatibilizar as informações no âmbito do Governo Federal;
• permitir o acompanhamento e a avaliação do uso dos recursos públicos;
• proporcionar a transparência dos gastos do Governo Federal.
(D) INCORRETA
O Sistema Integrado de Administração de Serviços Gerais - SIASG
4
, é um conjunto infor-
matizado de ferramentas para operacionalizar internamente o funcionamento sistêmico das
atividades inerentes ao Sistema de Serviços Gerais - SISG, quais sejam: gestão de materiais,
edificações públicas, veículos oficiais, comunicações administrativas, licitações e contratos,
do qual o Ministério do Planejamento, Orçamento e Gestão é órgão central normativo.
(E) INCORRETA
O Sistema Integrado de Administração de Recursos Humanos, SIAPE
5
, é um sistema on-
line, de abrangência nacional, que constitui-se, hoje, na principal ferramenta para gestão do
pessoal civil do governo federal. Como ele é realizado mensalmente o pagamento de cerca
de um milhão e trezentos mil servidores ativos, aposentados e pensionistas em 214 órgãos
da administração pública federal direta, instituições federais de ensino, ex-territórios, autar-
quias, fundações e empresas públicas.
Para acesso aos dados do SIAPE, o Ministério do Planejamento, Orçamento e Gestão ide-
alizou o SIAPEnet, aplicativo que possibilita ao servidor efetuar consultas, atualização e
impressão de dados extraídos diretamente do SIAPE.
4
O que é SIASG. Disponível em http://www.comprasnet.gov.br/ajuda/siasg/que_e_siasg.stm e acessado em
25/05/2010.
5
O que é o SIAPEnet. Disponível em http://www.siapenet.gov.br/oque.htm e acessado em 25/05/2010.
Página 7 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
3. Assuntos relacionados: Data Mining, Text Mining, Business Inteligence,
Banca: FCC
Instituição: TCE/CE
Cargo: Analista de Controle Externo - Auditoria de Tecnologia da Informação
Ano: 2008
Questão: 74
É comum um determinado órgão público receber reclamações de pessoas sobre o atendimento
do serviço. As reclamações recebidas são digitadas de forma apressada em um aplicativo
de computador. O administrador do órgão pretende obter informações úteis para análise
das reclamações. Assim, ele solicita o apoio tecnológico para atendimento dessa demanda.
A equipe então adota, acertadamente, uma solução específica para tratamento de dados
semi-estruturados (o software utiliza uma ontologia de correlação de palavras e conceitos)
conhecida por
(a). data mart.
(b). mining de texto.
(c). star schema.
(d). método preditivo.
(e). mining colaborativo.
Solução:
Text Mining (mineração de texto) é o nome dado às técnicas de análise e extração de dados
a partir de textos ou frases. Alguns dos objetivos da aplicação de técnicas de text mining
são a descoberta de conceitos, padrões e tendências, além da classificação e sumarização
automatizada de documentos.
Text Mining surgiu inspirado no Data Mining, que é uma forma de descobrir padrões em
bases de dados estruturadas. O Text Mining, por sua vez, procura extrair o conhecimento
útil de textos não estruturados e semi-estruturados, como artigos científicos, textos simples,
documentos de organizações, páginas da web etc.
Certamente, as técnicas de text mining podem ser aplicadas para solucionar o problema
relatado na questão, que se baseia na extração de informações úteis das bases de dados de
reclamações sobre os serviços de atendimento. Portanto, a resposta da questão é alternativa
A.
As técnicas de text minig vêm sendo utilizadas em áreas de grande relevância, como bi-
omédicas, publicidade e segurança. Na área de segurança, por exemplo, os governos de
alguns países vêm utilizando as técnicas para rastrear as atividades de organizações crimi-
nosas, por meio da análise de mensagens trocadas pela Internet.
Já na área de publicidade, as técnicas são vastamente utilizadas pelos programas de afiliados
como o adwords, do Google, que seleciona os anúncios mais relevantes a serem exibidos com
base no conteúdo da página Web, que é analisado usando técnicas de text mining.
Página 8 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
4. Assuntos relacionados: Data Mining, Classificação de Dados, Agrupamento de Dados,
Sumarização de Dados, Modelagem de Dependência entre Dados,
Banca: ESAF
Instituição: Agência Nacional de Águas (ANA)
Cargo: Analista Administrativo - Tecnologia da Informação e Comunicação / Desenvolvi-
mento de Sistemas e Administração de Banco de Dados
Ano: 2009
Questão: 20
Para que uma empresa efetue a análise regular de dados gerados por visitantes do seu site
Web, a fim de personalizar a propaganda para clientes individualmente, ela deve utilizar
(a). objetos distribuídos.
(b). mineração de dados.
(c). processamento analítico online (olap).
(d). diretório de informações.
(e). sistema de informação gerencial.
Solução:Uma técnica de inteligência artificial que trata o problema de filtragem de dados a partir
de um repositório de informação é a mineração de dados. No contexto da Web, as técnicas
e modelos de mineração de dados recebem como entrada uma variedade de dados, como
formulário, estruturas de sites e textos em geral. A mineração é um processo de análise de
dados publicados em sites com o intuito de procurar relações comuns (padrões), além de
sumarização de dados em novas formas que são compreensíveis e úteis para uma empresa.
A mineração de dados pode ser empregada em empresas para ajudar a descobrir padrões
e tendências referentes ao uso da Web. As etapas básicas de mineração de dados são a
exploração, modelagem ou construção do conhecimento e por fim a validação dos padrões
encontrados. Existem varias técnicas de mineração de dados como: classificação, clustering,
sumarização, modelagem de dependência. Vamos apresentar uma breve descrição sobre essas
técnicas.
• Classificação: construção de uma função que a partir de um conhecimento previa-
mente estabelecido consegue classificar um conjunto de dados em uma ou várias classes
predefinidas;
• Clustering: utilizado para descoberta de agrupamento de dados que possuem ca-
racterísticas em comum. Uma categoria ou classe é representada por um conjunto de
característica, desta forma, ao descobrir uma coleção de dados que possuem um grau de
similaridade estão encontrando um conjunto de dados pertencente a alguma categoria
não conhecida;
• Sumarização: essa técnica é utilizada para a construção de modelos que descrevem
um conjunto de dados num formato facilmente interpretado;
• Modelagem de dependência: técnica responsável por encontrar dependência entre
características de um conjunto de dados ou entre os valores deles.
Usando técnicas de mineração de dados, tais como clustering e modelagem de dependência,
um usuário em particular pode estar associado a outros usuários que exibem padrões de
comportamento e preferências semelhantes. Então, para esses usuários são oferecidos links
específicos por pertencerem a um mesmo perfil. Uma empresa nesse caso pode ofertar pro-
moções de acordo com sua preferência, isso é obtido com base em informações fornecidas
Página 9 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
pelo agrupamento de usuários. Outro exemplo é, a partir de uma escolha de comprar de
um cliente, pode-se agir da seguinte forma: �Clientes que compraram este livro também
comprariam...� listar os livros relacionados com o tema.
Concluindo, a mineração de dados pode ser usada como meio de oferecer um atendimento
especializado a um cliente. Portanto, a questão correta é a letra B.
Página 10 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
5. Assuntos relacionados: Banco de Dados, Modelo Multidimensional, Data Mart, Data
Warehouse,
Banca: CESGRANRIO
Instituição: Petrobras
Cargo: Analista de Sistemas - Eng. de Software
Ano: 2008
Questão: 28
Um datamart será montado para análise das vendas. Consultas serão feitas com base em
produtos, períodos, cidades e clientes. Assinale a afirmação correta sobre o modelo multidi-
mensional a ser gerado.
(a). É conveniente criar uma tabela para a dimensão DATA, para evitar cálculos com
datas nas consultas SQL e facilitar as consultas por intervalos semanais, mensais,
anuais, e similares.
(b). Nenhum atributo da tabela PRODUTO, além da chave primária, deverá constar
da tabela fato.
(c). Pelas especificações, CIDADE deve ser, necessariamente, uma dimensão do mo-
delo.
(d). O modelo estará necessariamente no formato floco de neve (snowflake).
(e). QUANTIDADE é um fato não aditivo.
Solução:
Um datamart pode ser conceituado como um subconjunto dos dados de uma organização
que são direcionados a propósitos bem específicos ou a pequenos grupos de pessoas que os
utilizam como auxílio em tomadas de decisão.
Os datamarts podem ser entendidos como subconjuntos de um data warehouse. Hoje é
comum que as empresas comecem a construir o seu data warehouse a partir de datamarts
focados em áreas bem específicas e, assim, irem expandindo até formarem o seu data wa-
rehouse.
É preciso ficar claro que as diferenças entre datamart e data warehouse são apenas com
relação ao tamanho e ao escopo do problema a ser resolvido. Portanto, as definições dos
problemas e os requisitos de dados são essencialmente os mesmos para ambos. Enquanto
um datamart trata de um problema departamental ou local, um data warehouse envolve o
esforço de toda a empresa para que o suporte a decisões atue em todos os níveis da orga-
nização. Sabendo-se as diferenças entre escopo e tamanho, o desenvolvimento de um data
warehouse requer tempo, dados e investimentos gerenciais muito maiores que de um data-
mart.
Vamos apresentar, agora, alguns conceitos importantes em relação a data warehouse. Defi-
nimos fato como uma coleção de itens de dados composta de medidas. Esse valor numérico
é denominado demedida. Por exemplo, caso se deseje analisar se as vendas em um determi-
nado estado estão caindo, podemos definir um fato representando as vendas totais realizadas
nas cidades de um determinado estado e analisar o resultado de suas medidas ao longo do
tempo.
Os fatos podem ser aditivos, semi-aditivos e não-aditivos. Um fato é aditivo quando ele
pode ser agregado em todas as dimensões. Por exemplo, VENDAS pode ser agregado em
Página 11 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
qualquer combinação das dimensões DATA, PRODUTO e CIDADE. Um fato é semi-aditivo
quando ele não pode ser agregado em pelo menos uma dimensão. Por exemplo, o número de
empregados é aditivo nos diferentes departamentos da empresa, mas não o é na dimensão
DATA. Um fato é não-aditivo quando não pode ser agregado em nenhuma dimensão.
Uma dimensão é uma coleção de atributos textuais que descrevem os objetos da orga-
nização, e que estão altamente relacionados uns com os outros. Os atributos dimensionais
são a fonte para as restrições mais interessantes nas consultas a um DW e são virtualmente
a fonte para os cabeçalhos de colunas do conjunto de respostas em SQL. Por exemplo, po-
demos adotar CIDADE como uma dimensão. Para isso, criaríamos uma tabela dimensão
em que cada registro representa uma cidade e descreve outros detalhes da cidade através de
seus atributos, como o estado ao qual ela pertence, por exemplo.
Um dos esquemas mais utilizados para representar um data warehouse é o esquema es-
trela. Esse esquema é chamado de estrela por apresentar a tabela de fatos dominante no
centro do esquema e as tabelas de dimensões nas extremidades. O esquema estrela pode
ser estendido de maneira que cada uma das pontas da estrela passa a ser o centro de outras
estrelas. Por exemplo, a dimensão CIDADE poderia ser decomposta de maneira que haja
outra tabela representando os estados e outras informações relacionadas a ele. Essa decom-
posição seria basicamente um processo de normalização.
Vamos, agora, analisar as alternativas.
A alternativa (A) está correta. Ao criarmos uma tabela dimensão DATA, podemos criar
um fato que represente a soma das vendas em cada um dos dias ou em cada uma das se-
manas, meses ou anos. Como os valores da tabela já estão calculados, uma consulta que
precise saber a quantidade de vendas em um determinado período de tempo terá um custo
muito menor.
A alternativa (B) está incorreta, pois no dimensionamento de um data warehouse, somos
livres para definir nossos fatos. No caso específico, um fato que só tivesse a chave primária
da tabela PRODUTO não teria interesse nenhum para os negócios, pois, em geral, os fatos
devemestar associados a valores que tenham representatividade, como a quantidade vendida
de um determinado produto, por exemplo.
O mesmo argumento dado anteriormente serve para as alternativas (C) e (D). Há algumas
modelagens que são mais interessantes que outras, dependendo do objetivo que se deseja
alcançar, mas não há nenhuma restrição como as indicadas nas alternativas (C) e (D) para
a determinação de um modelo de data warehouse.
A alternativa (E) está errada, pois QUANTIDADE nem é um fato.
Página 12 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
6. Assuntos relacionados: Banco de Dados, Modelo Relacional, Data Warehouse, Modelo
Multidimensional, Data Mart, ROLAP, OLAP,
Banca: CESGRANRIO
Instituição: Petrobras
Cargo: Analista de Sistemas - Eng. de Software
Ano: 2008
Questão: 66
A respeito de sistemas de informações gerenciais, são feitas as afirmativas a seguir.
I - Uma das diferenças entre bancos de dados relacionais e multidimensionais diz respeito
ao compromisso entre performance e escalabilidade: bancos de dados relacionais pro-
porcionam consultas mais rápidas, enquanto bancos de dados multidimensionais lidam
melhor com grandes quantidades de informações armazenadas.
II - ROLAP se refere a um tipo de solução OLAP que utiliza um bancos de dados relaci-
onal.
III - Quando um projeto inicia por datamarts departamentais especializados que mais
tarde se consolidam em um data warehouse institucional, existe uma chance maior de
surgirem problemas de inconsistência de metadados do que quando um data warehouse
institucional dá origem a datamarts departamentais.
IV - Para melhoria de performance, as tabelas em data warehouses, em geral, estão nas
formas normais mais altas (considerando que 5 FN é mais alta que 1 FN).
Estão corretas APENAS as afirmativas
(a). I e II
(b). I e III
(c). I e IV
(d). II e III
(e). III e IV
Solução:
OLAP (Online Analytical Processing) é uma abordagem que possibilita viabilizar consultas
em uma análise multidimensional de dados. O termo é usado em contraste com o termo
OLTP (Online Transaction Processing), que é uma abordagem largamente utilizada em
ambientes transacionais. Em um ambiente transacional, há constante entrada de dados e
consultas simples. Além disso, é exigido, em um ambiente transacional, que a resposta ao
usuário seja imediata. Um exemplo é quando você acessa um site de um banco: você quer
fazer transferências ou conferir as transações em sua conta corrente e uma demora conside-
rável é inaceitável. Entretanto, enquanto as abordagens OLTP são extremamente adequadas
em diversas situações, elas se mostram inadequadas, em alguns casos, ao acesso às infor-
mações gerenciais como a produção de relatórios de vendas, contábeis e financeiros. Nesse
ponto, é que a abordagem OLAP é importante. Os bancos de dados que utilizam OLAP
são projetados em modelos de dados multidimensionais que possibilitam executar consultas
complexas em um tempo muito menor baseando-se, principalmente, em desnormalizações e
em agregações.
Um banco de dados OLAP pode ser armazenado de várias maneiras. Em uma arquite-
tura ROLAP (relacional), os dados são armazenados em banco de dados relacionais. Já em
Página 13 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
uma arquitetura MOLAP (multidimensional), os dados são armazenados em cubos dimen-
sionais, em geral em formatos proprietários, e não em banco de dados relacionais. HOLAP
(híbrido) tenta combinar as vantagens de MOLAP e ROLAP, extraindo o que há de melhor
de cada uma, ou seja, a alta performance do MOLAP com a melhor escalabilidade do RO-
LAP. Outras siglas são utilizadas para representar arquiteturas, mas são pouco utilizadas:
WOLAP (Baseado em Web), DOLAP (Desktop) e RTOLAP (Real-Time).
Vamos analisar as afirmativas da questão:
I como já foi dito, os bancos de dados relacionais podem ser utilizados para armaze-
nar bancos de dados modelados da maneira OLAP (multidimensional). As principais
motivações para esse uso é a incrível escalabilidade dos bancos de dados relacionais e
a grande disponibilidade de ferramentas. Já uma arquitetura MOLAP (multidimen-
sional) é construída, de forma otimizada, em estruturas de dados que possibilitam a
melhoria de desempenho em consultas. Ou seja, a afirmação está incorreta, pois afirma
justamente o contrário;
II é verdadeira, como já explicado acima;
III é verdadeira, pois quando uma empresa guia o projeto de forma centralizada e com
políticas estabelecidas, ela diminuirá as chances de problemas de inconsistência em
metadados. Caso contrário, cada departamento terá sua forma de pensar sobre a
criação de metadados e dificultará a integração no futuro;
IV a afirmativa está incorreta, pois um dos principais recursos utilizados em um OLAP
para aumentar o desempenho é a desnormalização das tabelas. A desnormalização é
utilizada para diminuir o custo com operações de junções (joins) entre tabelas.
Página 14 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
7. Assuntos relacionados: Data Warehouse, Banco de Dados, Data Mining, Business Inte-
ligence, On-line Analytical Processing, On-Line Transaction Processing,
Banca: FCC
Instituição: TRT 2a Região
Cargo: Analista Judiciário - Tecnologia da Informação
Ano: 2008
Questão: 37
No âmbito do OLAP, gráficos de produtos são generalizações da estrutura de ...... apre-
sentada por HRU (Harinarayan, Rajaraman e Ullman), na qual as dimensões podem ter
hierarquias associadas.
Preenche corretamente a lacuna:
(a). tabela.
(b). roll-up.
(c). data mart.
(d). hipercubo.
(e). drill-down.
Solução:
Antes de partirmos para a solução da questão, faremos uma breve revisão sobre On-line
Analytical Processing (OLAP).
O uso da tecnologia da informação possibilitou o armazenamento de grande volume de
dados em meio magnético, gerando a necessidade de recuperá-los e analisá-los. As aplica-
ções On-Line Transaction Processing (OLTP) são estruturadas e repetitivas, que manipulam
transações curtas, atômicas e isoladas, atendendo apenas a manipulação de dados operaci-
onais, o que não era suficiente para apoiar o usuário na tomada de decisões estratégicas. A
partir dos requisitos dos usuários e de tecnologias existentes, foram elaborados conceitos e
desenvolvidas soluções que alavancassem o processo de Business Inteligence (BI). A primeira
das soluções foi a linguagem APL, base utilizada no desenvolvimento de aplicações On-line
Analytical Processing (OLAP).
Como o armazenamento dos dados para atender às necessidades destas aplicações não seria
solucionado por bancos de dados relacionais, novos conceitos de armazenamento de informa-
ções foram implementados através de bancos de dados nomeados de Data Warehouse (DW).
Além do suporte para a tomada de decisão estratégica, surgiu a necessidade de aplicação de
heurística para obter informações que direcionem o futuro dos negócios, e estas estão sendo
implementadas através de ferramentas de Data Mining (DM).
A aplicação OLAP soluciona o problema de síntese, análise e consolidação de dados, pois
é o processamento analítico online dos dados. Tem capacidade de visualizações das in-
formações a partir de muitas perspectivas diferentes, enquanto mantém uma estrutura de
dados adequada e eficiente. A visualização é realizada em dados agregados, e não em dados
operacionais porque a aplicação OLAP tem por finalidade apoiar os usuários finais a tomar
decisões estratégicas. Os dados são apresentados em termos de medidas e dimensão, a maior
parte das dimensões é hierárquica.
Página 15 de 42
www.handbookdeti.com.br
Handbookde Questões de TI Comentadas para Concursos Volume questões de TI
Para melhor enfatizar a diferença entre sistemas OLPT e OLAP, consideremos o escopo
bancário. Neste escopo, as aplicações bancárias utilizadas diariamente no controle de con-
tas correntes, na qual são efetuados saques ou depósitos pelos correntistas, compõem um
exemplo típico de sistema de OLTP. O interesse destes usuários é criar, atualizar e recuperar
informações sobre registros individuais. Já para o Gerente de Conta Correntes os requisitos
de uso de informações dos dados das contas têm por finalidade a análise global de contas
correntes com diversas visões. Por exemplo, o Gerente de Contas pode requerer uma análise
sobre o desempenho de contas correntes que tenham cheque especial e tenham utilizado o
valor máximo dos mesmos em um determinado período de tempo em algumas regiões. Ob-
ter a resposta a esta consulta mais complexa fazendo uso de ferramentas relacionais padrão,
não fornece solução requerida, pois estas ferramentas nunca pretenderam fornecer poderosas
funções de síntese, análise e consolidação de dados.
Após esta breve revisão sobre OLAP, partimos para a solução da questão.
HRU (Harinarayan, Rajaraman e Ullman) introduziram a possibilidade de gerar um cubo
utilizando outros, evidenciando as relações de dependência existentes ou lattice de dependên-
cias (lattice de dependências é um conjunto de todas as agregações possíveis e respectivas
dependências). Em linhas gerais, as dimensões de um cubo de dados proposto por HRU
consiste em mais de um atributo. Essas dimensões são organizadas como hierarquias des-
ses atributos. Um exemplo simples para melhor entendimento destas hierarquias pode ser
observado na organização do tempo, levando-se em conta as dimensões: dia, semana, mês e
ano. Quando possuímos mais de 3 (três) dimensões, chamamos de hipercubo. Portanto a
alternativa D é a CORRETA.
Somente a título de curiosidade, saiba que o enunciado desta questão foi retirado de um
trecho dá página 176 do livro Database Modeling & Design (�Product graph are a generali-
zation of the hypercube lattice structure introduced by Harinarayan, Rajaraman and Ullman,
where dimensions may have associated hierarchies.�).
Apenas para complementar ainda mais a solução da questão, elucidamos abaixo qualquer
dúvida sobre dimensão, cubo, roll-up, data mart e drill-down (não há necessidade de explicar
o significado de tabela):
• dimensão: unidade de análise que agrupa dados de negócio relacionados. As dimen-
sões se tornam cabeçalho de colunas e linhas, como exemplo linhas de produto, regiões
de venda ou períodos de tempo;
• cubo: trata-se de uma estrutura que armazena os dados de negócio em formato mul-
tidimensional, tornando-os mais fácil de analisar;
• roll-up: a operação de roll-up permite realizar agregações ao subir na hierarquia de
uma dimensão. Por exemplo, uma operação que agrega os dados subindo na hierarquia
do nível cidade para o nível país;
• data mart: são Data Warehouses departamentais focados em um determinado assunto
(por exemplo, um data mart de mercado poderia incluir clientes, produtos e informações
de venda), permitindo, assim, uma boa visão de determinados aspectos da organização,
embora não contenham todas as informações da organização como um todo;
• drill-dow: a operação de drill-down é inversa à operação de roll-up, permitindo passar
de um nível de menor detalhe para um nível de maior detalhe. Por exemplo, uma
operação que desagrega os dados descendo na hierarquia do nível país para o nível
cidade.
Página 16 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
8. Assuntos relacionados: ERP,
Banca: Cesgranrio
Instituição: BR distribuidora
Cargo: Analista de Sistemas - Desenvolvimento
Ano: 2008
Questão: 64
Os módulos de Contas a Pagar, Contas a Receber, Faturamento e Contabilidade compõem,
tipicamente, tipo de sistema
(a). CRM analítico
(b). Data Warehouse (DW)
(c). ERP
(d). ECM
(e). BSC
Solução:
Os sistemas de ERP - Enterprise Resource Planning - visam à integração entre todos os seto-
res produtivos da empresa, conectando-os através de processos bem definidos, onde cada um
tem suas responsabilidades bem delimitadas e o negócio é visto todo sob a perspectiva dos
processos que o regem. Para atingir esse objetivo, sistemas de ERP conectam, geralmente
em uma solução única, vários módulos aplicativos das diversas áreas da empresa. Assim,
um típico sistema ERP integra os módulos de contas a pagar, contas a receber e vários outros.
Como seu enfoque são os processos, o sistema também deve prever módulos de RH para
administração de pessoal, módulos de controle de estoque e, na filosofia mais recente, mó-
dulos voltados à modelagem dos processos da empresa e integração automática desses esses
módulos de acordo com os fluxos dos processos mapeados. Os grandes desenvolvedores de
soluções ERP no mercado atual são a SAP e a Oracle. Há diversas outras empresas que
também fornecem soluções interessantes, além de opções em software livre.
De acordo com a explicação, a resposta correta à questão é a letra (C). Entretanto, para
entendermos ao menos a ideia básica dos demais itens elencados nas outras opções, vejamos
de forma rápida suas definições:
• CRM analítico: ferramentas de CRM - Customer Relationship Management - dirigem-
se ao trato das informações no relacionamento das empresas com seus clientes. Há dois
tipos básicos de CRM: o operacional e o analítico. O CRM operacional é voltado para
o registro de toda interação entre cliente e empresa. O CRM analítico pode ser enca-
rado como um subconjunto de ferramentas de BI (Business Intelligence) voltadas para a
análise dos dados coletados pelo CRM Operacional. De acordo com o documento CRM
Operacional, disponível no site www.icone.com.br, A parte incluída no CRM Analítico
visa aqui aferir métricas operacionais, geralmente ligadas a custo e performance, que
nada mais são do que análise de cubos para verificar, por exemplo, hits na webstore por
campanha, vendas por hits, percentual de acerto por chamado ativo, custo/ticket médio
por chamado, etc.
• Data Warehouse (DW): o mote dos sistemas de DW é a consolidação de dados
operacionais, geralmente extraídos de sistemas OLTP (On Line Transaction Proces-
sing - sistemas de processamento online de informações) corporativos, gerando dados
Página 17 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
analíticos que servirão de base em decisões estratégicas de negócio. Nesses sistemas, os
dados são trabalhados de forma a expressar a informação necessária ao corpo diretor
da empresa, agregando informação de diferentes sistemas da empresa. A manipulação
desses dados dá origem aos cubos, que são elementos que permitem enxergar os dados
a partir de diversas perspectivas atinentes ao negócio. A subtração de dados de uma
área específica é conhecida como Data Mart. Os Data Marts dão direções sobre um
departamento ou um produto da empresa. Em última análise, podemos considerar que
a união de todos os Data Marts de uma empresa gera seu Data Warehouse.
• ECM: Enterprise Content Management é o nome dado aos sistemas que têm por
vocação armazenar, em formato digital, os documentos - tanto os digitalizados de
papel quanto os naturalmente eletrônicos - de uma empresa e permitir o acesso a eles
de forma rápida e precisa. Estes sistemas armazenam, além dos documentos em si, os
dados mais relevantes destes, de forma a tornar a pesquisa de documentos algo simples
e de fácil acesso a todos que deles precisem.
• BSC: Balanced Scorecard é uma metodologia disponível e aceita no mercado desen-
volvida pelos professores da Harvard Business School, RobertKaplan e David Norton,
em 1992. Os passos dessa metodologia incluem: definição da estratégia empresarial,
gerência do negócio, gerência de serviços e gestão da qualidade; passos estes imple-
mentados através de indicadores de desempenho. A ideia é, utilizando informações dos
diversos sistemas OLTP da empresa, gerar indicadores voltados não apenas aos aspec-
tos financeiros, mas ao negócio da empresa como um todo: clientes, processos internos,
financeiro e aprendizado e crescimento, conforme ilustra a Figura 1.
Figura 1: visão estratégica do BSC.
Página 18 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
9. Assuntos relacionados: Data Warehouse, On-line Analytical Processing,
Banca: Cesgranrio
Instituição: Petrobras
Cargo: Analista de Sistemas - Processos de Negócio
Ano: 2008
Questão: 27
Em um banco de dados multidimensional, os dados estão conceitualmente armazenados e
organizados em
(a). classes e objetos.
(b). cubos e hipercubos.
(c). partições e índices.
(d). consultas materializadas e sumários.
(e). estrelas e constelações.
Solução:
Com a crescente quantidade de dados disponíveis, o recurso a data warehouses torna-se cada
vez mais necessário e frequente. Apesar disso, o conceito de data warehouse não tem uma
definição única. Normalmente, o termo é utilizado para se referir a uma base de dados que
é mantida separada da base de dados operacional de uma organização e que está integrada
com vários sistemas que permitem efetuar o processamento e análise dos dados. Uma das
definições mais usadas defende que a data warehouse é um conjunto de dados organizados
em torno de um determinado tópico, resultante da integração de diferentes fontes de da-
dos, mantidos de forma persistente e que expressa uma perspectiva histórica desses dados.
Esta separação entre a base de dados operacional e a data warehouse promove a eficiência e
desempenho de cada um dos sistemas, levando-se em conta os diferentes fins a que se destina.
A principal função das bases de dados operacionais é a realização de transações online
e processamento de consultas (queries), sendo esse conjunto de operações conhecido como
processamento de transações online (online transaction processing - OLTP). Em oposição, as
data warehouses têm por objetivo servir de suporte à análise de dados e tomada de decisões,
pelo que sobre elas são realizados outros tipos de operações. Normalmente, tratam-se de
operações que manipulam grandes quantidades de dados históricos, permitindo a realização
de sumarizações e agregações e a gestão de informação em diferentes níveis de granulari-
dade. A este tipo de operações dá-se o nome de processamento analítico online (online
analytical processing - OLAP). De uma forma genérica, uma data warehouse é composta
por uma tabela de fatos, onde se encontram os dados que podem ser objeto de análise, e
tabelas de dimensões, que armazenam os dados sobre as perspectivas segundo as quais os
fatos podem ser analisados. Tanto as data warehouses como as operações OLAP são ba-
seadas no modelo multidimensional, em que os dados são visualizados sob a forma de um
cubo. Um cubo é definido por um conjunto de dimensões e de fatos. De uma forma ge-
nérica, as dimensões são as perspectivas ou entidades em relação às quais os fatos se referem.
Por exemplo, uma empresa pode manter uma data warehouse de vendas como forma de
manter registros sobre as suas vendas no que se refere aos itens vendidos, à filial em que
foram vendidos e à data de venda. Cada dimensão pode estar associada a uma tabela que
pormenoriza a sua descrição. Quanto aos fatos, estes são medidas numéricas correspon-
dentes ao principal objetivo da data warehouse, no nosso exemplo, o número de unidades
Página 19 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
vendidas ou o volume total de vendas em dinheiro. A fim de melhor esclarecer este conceito,
considere as quatro tabelas apresentadas na Figura 2, que representam a informação sobre
as vendas de uma determinada organização apresentada em função do tempo (Tempo), do
tipo de item vendido (Item) e da cidade (Localização) em que a venda foi feita.
Figura 2: volume de vendas em função do tempo, tipo de item e localização (figura retirada do
livro Data Mining: Concepts and Techniques).
As tabelas acima equivalem conceitualmente ao cubo 3D da Figura 3.
Supondo que se pretendesse adicionar outra dimensão, designada como Fornecedor, à in-
formação das tabelas acima, obter-se-ia um cubo 4D, o que não é trivial de representar
ou visualizar. Quando um cubo de dados tem mais de três dimensões ele é chamado de
hipercubo e para visualizar os dados em um hipercubo é preciso recorrer a outros tipos de
representação (modelos Star e Snowflake).
Portanto, a alternativa B é a correta.
Página 20 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
Figura 3: representação sob a forma de cubo 3D das tabela acima (figura retirada do livro Data
Mining: Concepts and Techniques).
Página 21 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
10. Assuntos relacionados: Banco de Dados, Modelagem Multidimensional, Modelo Relacio-
nal,
Banca: Cesgranrio
Instituição: Petrobras
Cargo: Analista de Sistemas Pleno - Processos
Ano: 2006
Questão: 44
Considerando os modelos multidimensionais de bancos de dados de sistemas de informações
gerenciais e modelos relacionais utilizados em sistemas operacionais, é correto afirmar que:
(a). tanto modelos de sistemas operacionais quanto modelos multidimensionais apre-
sentam uma visão consolidada dos dados.
(b). modelos multidimensionais usualmente possuem esquemas mais complexos que os
dos modelos relacionais utilizados nos sistemas que processam transações on-line.
(c). embora bases de dados multidimensionais sejam voltadas para sistemas com menos
usuários que os sistemas de processamento de transações on-line (operacionais),
devem estar projetadas para que cada usuário acesse um número de linhas muito
maior, em cada uma de suas operações, do que fazem os usuários dos sistemas
operacionais.
(d). ambos os modelos visam a manter um histórico completo das operações realizadas,
no mesmo nível de detalhe.
(e). a taxa de realização de transações de atualização, pelos usuários, nos sistemas
operacionais é extremamente menor do que a existente nos sistemas de informações
gerenciais.
Solução:
Os sistemas de bancos de dados podem ser didaticamente classificados de acordo com as
estruturas de dados e os operadores que apresentam. Assim, tem-se os sistemas de lista
invertida, os sistemas hierárquicos e os sistemas em rede (todos pré-relacionais); os sistemas
relacionais, os sistemas objeto-relacionais, os sistemas multidimensionais, os sistemas base-
ados em lógica e os sistemas semi-estruturados, dentre outros.
Os sistemas relacionais baseiam-se em uma teoria formal conhecida como �modelo rela-
cional�, segundo a qual os dados são representados por linhas em tabelas. Os modelos
relacionais, em geral, são utilizados em sistemas operacionais de bancos de dados (também
conhecidos como Sistemas OLTP � Online Transactional Processing � Sistemas de Proces-
samento de Transações On-line), isto é, sistemas que normalmente têm exigências estritas
de desempenho, cargas de trabalho previsível, pequenas unidades de trabalho e utilização
elevada em termos de quantidade de usuários (por exemplo, um banco de dados de Depar-
tamento e Empregados).
Os sistemas de informações gerenciais (também conhecidos como sistemas de decisões ge-
renciais ou, ainda, sistemas de apoio à decisão)são sistemas que ajudam na análise de
informações de negócio. Podem ser implementados em sistemas de bancos de dados, por
exemplo, através de data warehouse, data mart, depósito de dados operacionais, processa-
mento analítico on-line (OLAP), bancos de dados multidimensionais e mineração de dados.
Um banco de dados multidimensional é aquele no qual os dados estão armazenados logi-
camente nas células de um array multidimensional. O OLAP (Online Analytical Processing
Página 22 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
� Processamento Analítico On-line) é o processo interativo de criar, gerenciar, analisar e ge-
rar relatórios sobre estes dados �multidimensionais�. Dada a finalidade de apoio a decisões,
normalmente os sistemas de banco de dados multidimensional têm requisitos de desempenho
variáveis, cargas de trabalho imprevisíveis, grandes unidades de trabalho e utilização irregu-
lar por parte dos usuários (relativamente baixa, quando comparada à utilização de sistemas
operacionais).
Diferentemente dos bancos de dados operacionais, os bancos de dados de apoio à decisão
geralmente envolvem dados históricos detalhados, já que as decisões envolvidas normalmente
consideram estatísticas e tendências baseadas em registros de atividades anteriores (históri-
cos). Além disso, os sistemas multidimensionais buscam apresentar uma visão consolidada
dos dados, facilitando, desta forma, a tomada de decisões que requerem o cruzamento de
diversas informações armazenadas, o que não ocorre em modelos operacionais.
A assertiva (A) está incorreta, conforme comentário final do parágrafo anterior.
A arquitetura de um banco de dados é composta por três níveis: interno, conceitual e
externo. Este último refere-se a visão que os usuários finais têm do banco (por exemplo, os
dados que são retornados para uma aplicação escrita em Java). Os dois primeiros níveis são
descritos por esquemas interno (ou físico) e conceitual (ou lógico), respectivamente. Tais
descrições se dão com o uso de DDLs (Data Definition Language � Linguagem de Definição
de Dados). A DDL interna, que descreve o esquema interno do banco, define os diversos
tipos de registros armazenados, especifica quais índice existem, como os campos armaze-
nados estão representados, em que sequência física os registros estão armazenados, e assim
por diante. A DDL conceitual, por sua vez, inclui definições de cada um dos vários tipos
de registros conceituais (as tabelas de um modelo relacional, por exemplo). Essas definições
têm por finalidade adicional, definir restrições de segurança e de integridade. Para atin-
gir a independência física dos dados, as definições de DDL conceitual não devem envolver
quaisquer considerações sobre a representação física ou a técnica de acesso. Assim, definir
o esquema conceitual de um modelo relacional e de um modelo multidimensional não difere
em termos de complexidade. Conclui-se, portanto, pela inexatidão da sentença da letra (B).
Conforme explanado anteriormente, as bancos de dados multidimensionais possuem grandes
unidades de trabalho (isto é, cada usuário acessa um número grande de linhas de dados), e,
portanto, devem ser projetados visando atender satisfatoriamente tal demanda. A situação
é invertida quando o projeto é de bancos de dados operacionais, pois, apesar do maior nú-
mero de usuários, suas unidades de trabalho são bem menores. A letra (C) está correta ao
apresentar tais conceitos.
A letra (D) está incorreta, pois apenas os modelos de bancos de dados multidimensionais
têm como característica preponderante a manutenção de históricos completos e detalhados
das operações realizadas, haja vista sua função principal de gerar relatórios com base em
estatísticas de transações anteriores.
Por lidar, em geral, com dados históricos, os bancos de dados de sistemas de informações
gerenciais tendem a não sofrer atualizações em suas bases de dados, caracterizando-se por
serem principalmente (mas, não exclusivamente) somente leitura. Assim, a letra (E) está
incorreta.
Página 23 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
11. Assuntos relacionados: Banco de Dados, Sistemas de Informações Gerenciais, Data Wa-
rehouse, Modelagem de Dados, Modelagem Multidimensional, Modelo Estrela,
Banca: Cesgranrio
Instituição: Petrobras
Cargo: Analista de Sistemas Pleno - Processos
Ano: 2006
Questão: 45
Bases de dados de sistemas de informações gerenciais são projetadas, muitas vezes, em um
esquema denominado estrela que:
(a). é uma arquitetura física que permite definir somente estruturas unidimensionais
de dados.
(b). é composta por uma tabela central, denominada de dimensão, e várias tabelas
periféricas a ela relacionadas, denominadas fatos.
(c). apresenta tabelas periféricas que se encontram desnormalizadas.
(d). faz com que a expansão e a evolução da base de dados necessite de grande atividade
de manutenção.
(e). é um esquema onde o número de junções realizadas é relativamente maior que o
realizado em bases de dados relacionais convencionais.
Solução:
Um datawarehouse (também conhecido como armazém de dados) é um sistema de compu-
tação utilizado para armazenar informações relativas às atividades de uma organização em
um banco de dados de forma consolidada. O desenho da base de dados dos datawarehouses
favorece a geração de relatórios, a análise de grandes volumes de dados, e a obtenção de
informações estratégicas que podem facilitar a tomada de decisão. Os datawarehouses são,
portanto, a base dos sistemas de informações gerenciais.
A técnica de modelagem de dados utilizada para a implementação de datawarehouses é
conhecida como Modelagem Multidimensional de Dados. Logo, a alternativa A está errada.
O principal objetivo da modelagem multidimensional de dados é facilitar a compreensão do
estruturamento dos dados armazenados, tanto para desenvolvedores quanto para os usuários
do sistema. Neste tipo de modelo existem três elementos básicos: os fatos, as dimensões e
as medidas.
Os Fatos são uma coleções de itens de dados compostos de dados de medidas e de con-
texto. O fato reflete a evolução dos negócios do dia-a-dia, e é representado por valores
numéricos. Os fatos são armazenados nas chamadas �tabelas de fato�, que são as tabelas
centrais dos modelos dimensionais.
As Dimensões são os elementos que participam de um fato. Elas determinam o contexto
de um assunto de negócios. As dimensões, normalmente, não possuem valores numéricos,
sendo somente descritivas e classificatórias dos elementos que participam de um fato. Um
datawarehouse que analisa vendas de um produto (fato) poderia ter as seguintes dimen-
sões, por exemplo: tempo, localização, clientes, vendedores. Os dimensões são armazenadas
nas chamadas �tabelas de dimensão�, que são as tabelas periféricas dos modelos dimensionais.
Página 24 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
Logo, a alternativa B está errada, pois a tabelas centrais do modelo são as tabelas de
fatos, e não as tabelas de dimensões.
Por fim, temos as Medidas. As Medidas (ou Variáveis) são os atributos numéricos que
representam um fato, e é sobre eles que são feitas as análises do negócio. Medidas são, por
exemplo, o valor em reais das vendas e a quantidade de unidades vendidas.
Feita esta breve introdução sobre os conceitos primários do modelo multidimensional, vamos
agora conhecer os dois modelos dimensionais básicos, que são o Modelo Estrela e o Modelo
Floco de Neve.
No modelo estrela existe uma tabela dominante no centro do esquema, chamada tabela
de fato (fact table), que possui múltiplos relacionamentos para as tabelas periféricas,cha-
madas tabelas de dimensão (dimension tables).
O modelo Floco de Neve é bem semelhante ao modelo estrela. A única diferença entre
eles é que, no modelo Floco de Neve, as tabelas de dimensão são normalizadas, dando ori-
gem a uma hierarquia de dimensões. As figuras 4 e 5 ilustram os modelos estrela e floco de
neve, respectivamente.
Figura 4: Modelo Estrela.
Figura 5: Modelo Floco de Neve.
Um aspecto importante sobre os modelos estrela e floco de neve é que ambos também são
favoráveis ao desempenho nas consultas. Tal obetivo é alcançado pela menor quantidade
de operações de junção que o SGBD precisa realizar para responder a consultas complexas.
No modelo estrela isso é ainda mais evidente, visto que não há hierarquias de dimensões e,
consequentemente, uma menor quantidade de relacionamentos entre as tabelas. Com isso,
Página 25 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
a alternativa E também está errada.
A alternativa D está errada pelo fato de os bancos de dados desse tipo, destinam-se, pri-
mordialmente a realização de consultas. Muito embora sejam necessárias cargas de dados
periódicas e em grandes volumes, comparativamente aos bancos de dados dos sistemas tran-
sacionais, os bancos de dados dos datawarehouses exigem menos manutenção.
Portanto, a resposta correta é alternativa C.
Página 26 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
12. Assuntos relacionados: Modelagem de Negócio, Modelagem Multidimensional,
Banca: Cesgranrio
Instituição: Petrobras
Cargo: Analista de Sistemas Pleno - Processos
Ano: 2006
Questão: 46
Sobre o processo de modelagem multidimensional, assinale a afirmação INCORRETA.
(a). Busca-se obter um modelo que possibilite a realização, pelos usuários, de grandes
quantidades de operações de atualização dos dados.
(b). A definição dos fatos em um modelo pode ser obtida através da identificação da
resposta à pergunta �o que está sendo medido?�.
(c). A identificação de padrões de acesso pode levar a realização de pré-sumarizações
(pré-agregação) dos dados, de forma a acelerar à realização de consultas.
(d). As dimensões, usualmente, estão relacionadas com as respostas a perguntas como:
�quando?�, �o que?�, �onde?� e �quem?�.
(e). O modelo multidimensional é orientado a assuntos.
Solução:
(A) ERRADA
A modelagem multidimensional (MM) é uma técnica de projeto lógico que busca apre-
sentar os dados em um padrão, para permitir a recuperação adequada e flexível dos dados.
A MM supera os modelos complexos, definindo como o usuário terá acesso à informação.
A modelagem multidimensional deve ser muito mais próxima de como os usuários pensam
sobre a informação. Deve resolver quaisquer ambiguidades semânticas que estão no modelo
de negócio. Concluindo, a modelagem multidimensional facilita a realização de consultas
por usuários não-técnicos, acelerando o desempenho destas consultas.
(B) CORRETA
Os fatos são uma coleção de dados de medidas, normalmente representados por dados
numéricos. Estes dados numéricos são as medições relativas ao negócio da empresa. Na
modelagem multidimensional a tabela de fatos é responsável pelo armazenamento das me-
didas numéricas do negócio. Cada fato representa um item, uma transação ou um evento
de negócio que é utilizado na análise de uma organização.
(C) CORRETA
A modelagem multidimensional é uma forma de modelagem de dados conceitual voltada
para concepção e visualização de conjuntos de medidas que descrevem aspectos comuns de
um determinado assunto. É utilizada especialmente para sumarizar e reestruturar dados,
apresentando-os em visões que suportem a análise dos valores envolvidos. A modelagem
multidimensional é projetada para coletar, padronizar e sumarizar os dados gerados pelos
diversos sistemas de uma empresa com a finalidade de disponibilizar informação a partir da
realização de consultas.
Página 27 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
(D) CORRETA
As tabelas dimensões são os elementos que participam de um fato, assunto ou negócio.
As dimensões determinam um contexto de um assunto de negócios. Por exemplo, em um
banco de dados que analisa as vendas de produtos, as dimensões que participam desse fato
vendas (o que?) geralmente são: Tempo (quando?), Localização (onde?), Cliente e Vende-
dores (quem?). Dimensões não possuem valores numéricos, pois são descrições textuais dos
elementos que participam de um fato. As dimensões são possíveis formas de visualização
dos dados.
(E) CORRETA
A modelagem multidimensional é uma técnica de concepção e visualização de um modelo
de dados de um conjunto de medidas que descrevem um assunto de negócio. Sua utilização
ajuda na sumarização e reestruturação dos dados e apresenta visões que suportam a análise
dos valores destes dados. As dimensões são elementos que participam de um assunto de ne-
gócios, são os pontos de vista pelos quais serão feitas as análises dos fatos. Cada dimensão
faz parte de um fato e, normalmente, não existem valores quantitativos dentro das tabelas
das dimensões, apenas atributos descritivos (assuntos), devido ao fato que elas são usadas
para a classificação dos fatos.
Portanto, a resposta incorreta é alternativa A.
Página 28 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
13. Assuntos relacionados: Data Warehouse, Modelagem Multidimensional, Modelo Estrela,
Banca: Cesgranrio
Instituição: Petrobras
Cargo: Analista de Sistemas Júnior - Processos de Negócio
Ano: 2008
Questão: 26
A empresa passou a sortear cupons de desconto para alguns clientes, os quais dão direito
a um desconto nas compras em uma determinada data. A informação sobre que clientes
possuem cupons para que datas é mantida de forma independente e consolidada no processo
de extração, transformação e carga, resultando em um campo, na tabela fato, indicando se
a venda foi realizada com o desconto ou não. A solução parecia atender bem às demandas
dos usuários do data warehouse, até que um deles tentou realizar uma consulta para saber
quais clientes não haviam realizado compras, mesmo tendo um cupom de desconto para a
data. Este tipo de demanda tipicamente será resolvido introduzindo, no data warehouse,
uma
(a). tabela de fatos complementares (complimentary fact table).
(b). tabela de fatos sem dimensão (dimensionless fact table).
(c). tabela de fatos sem fatos (factless fact table).
(d). dimensão multivalorada (multivalued dimension).
(e). dimensão degenerada (degenerated dimension).
Solução:
A força do data warehouse dentro das empresas está na organização e na entrega de dados
que apóiem o processo de tomada de decisão. O data warehouse é a implementação física
de um modelo de apoio a decisões, que disponibiliza à empresa as informações necessárias
à tomada de decisões estratégicas. Podemos vê-lo como um repositório de dados com as
seguintes características:
• baseado em assuntos: o data warehouse está organizado de maneira que descreve o
desempenho dos negócios;
• integrados: os dados são organizados para fornecer uma fonte única;
• variáveis em relação ao tempo: o desempenho de negócio é medido em pontos cronoló-
gicos;
• não-voláteis: sugere que os dados, uma vez inseridos no data warehouse, não devem
mudar (lembre-se que o conteúdo dos bancos de dados operacionais muda cada vez que
uma transação é processada);
Um data warehouse suporta análise de negócios e tomada de decisões através da integração
de dados (planilhas e arquivos) procedentes de diversos sistemas em uma base de dados
consolidada (onde as informações sãounificadas e padronizadas em um mesmo local). Em
outras palavras, o data warehouse é uma base de dados projetada especificamente para aten-
der às necessidades de tomada de decisão, em vez de atender aos sistemas de processamento
de transações.
Ao chegar neste ponto, a seguinte dúvida pode surgir na cabeça do leitor: como realizar
o projeto lógico de um data warehouse? Bom, o projeto pode ser realizado tanto através da
modelagem entidade-relacionamento quanto pela modelagem dimensional, mas aqui abor-
daremos apenas a última.
Página 29 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
A modelagem dimensional é a técnica de projeto lógico de banco de dados mais usada no
desenvolvimento de data warehouses. Um modelo dimensional é composto por uma tabela
central com uma chave composta, denominada tabela de fatos, e um conjunto de tabelas
menores conhecidas como tabelas de dimensão, que possuem chaves simples (formadas por
uma única coluna). Na verdade, a chave da tabela de fatos é uma combinação das chaves
das tabelas de dimensão. Nesta modelagem, o relacionamento das informações pode ser
representado como um cubo. Desta forma, podemos fatiar este cubo e aprofundar em cada
dimensão ou eixo para extrair mais detalhes sobre os processos internos que ocorrem na
empresa, detalhes estes que seriam difícieis de serem extraídos e analisados em um modelo
relacional.
Mas, neste escopo, o que seriam dimensão e tabela de fatos?
Uma dimensão é uma coleção de atributos textuais que são altamente correlacionados entre
si. Em uma base de dados de varejo são comuns dimensões como produto, armazém, cli-
ente, promoção e tempo. Já a tabela de fatos sintetiza o relacionamento existente entre as
diversas dimensões. Isto ocorre porque a chave da tabela de fatos é a associação das chaves
primárias das tabelas de dimensões. Geralmente este tipo de tabela possui um ou mais fatos
numéricos que ocorrem na combinação de chaves que define cada registro.
No caso da empresa em questão, um projetista de data warehouse visualizaria as informa-
ções presentes no enunciado como um hipercubo (cubo com mais de três dimensões, o que
é impossível de desenhar graficamente) que pode ser descrito com as seguintes dimensões:
• Tempo: usada por quase todos data warehouse. Deve ter detalhes sobre o calendário
para que facilite pesquisas estratégicas, então a dimensão tempo não deve ter somente
a data em que o produto foi vendido, mas deve conter informações como dia no mês,
dia na semana, número do dia na semana, mês, número do mês no ano, ano, etc.;
• Cliente: descreve cada cliente da empresa (código do cliente, CPF, nome, cidade);
• Produto: descreve cada unidade em estoque na empresa (código produto, descrição do
produto, preço);
• Cidade: descreve cada cidade em que a empresa está presente (código cidade, estado,
cep);
• Promoção: descreve as condições de promoção sob as quais um produto foi vendido
(código da promoção, código do cliente sorteado, data da promoção, valor do desconto
presente no cupom). Por causar mudanças nos padrões de vendas, esta dimensão é
chamada de causal.
Este hipercubo pode ser representado pelo Modelo Estrela (Star Schema), onde todas as ta-
belas relacionam-se diretamente com a tabela de fatos, sendo assim as tabelas dimensionais
devem conter todas as descrições que são necessária para definir uma classe como Produto,
Tempo, Cliente, Cidade ou Promoção nela mesma, ou seja, as tabelas dimensão não são
normalizadas no modelo estrela, então os campos contêm suas descrições repetidas em cada
registro (obviamente, isto aumenta o tamanho das tabelas de dimensão).
O enunciado dexia claro que a �empresa passou a sortear cupons e que a informação sobre
que clientes possuem cupons para que datas é mantida de forma independente e consolidada
no processo de extração, transformação e carga, resultando em um campo, na tabela fato�.
O que isso significa? Significa que já existia uma tabela de fatos com uma granularidade
Página 30 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
primária, composta pelas chaves da dimensão Cliente, Produto, Cidade e Tempo (veja a
Figura 6) e que a nova dimensão Promoção irá somente inserir uma nova chave na tabela
fato existente, como podemos observar na Figura 7.
Figura 6: esquema relacional com estrutura em Estrela para o data warehouse da empresa (ainda
sem a promoção).
Figura 7: esquema relacional com estrutura em estrela representando a adição da quinta dimen-
são (Promoção).
Assim, cada registro (linha) da tabela de fatos representará a quantidade de um produto que
foi vendida com (ou sem) desconto para um cliente específico, em uma determinada cidade
e numa data específica.
Note que um novo registro somente é inserido na tabela da fatos quando algo ocorre, po-
rém, a existência de uma dimensão causal frequentemente estimula a pergunta: �o que não
aconteceu?�. Por exemplo, quais clientes tinham o cupom desconto, válido para uma de-
terminada data, e não realizaram compras? Mesmo com a dimensão causal, você não pode
responder a esta questão com a tabela de fatos que armazena o que aconteceu. Uma tabela
de fatos companheira, chamada tabela de cobertura, é necessária neste caso. A diferença
entre a tabela de fatos de cobertura e a tabela de fatos primária (que contém fatos) forence
a resposta. Esta diferença recebe o nome de tabela de fatos sem fatos (Factless Fact Tables).
Página 31 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
Portanto, a alternativa C está correta. Apenas para complementar o comentário da questão,
saiba que as tabelas expressas nas alternativas A e B não fazem parte do escopo de data
warehouse. Em um data warehouse, uma dimensão multivalorada (alternativa D) é uma
dimensão que possui atributos que podem assumir mais de uma valor simultaneamente, já
uma dimensão degenerada (alternativa E) é uma dimensão que é derivada da tabela de fatos
e não tem sua tabela própria dimensão (são dimensões vazias, isto é, sem atributos).
Página 32 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
14. Assuntos relacionados: Banco de Dados, Data Warehouse, OLAP,
Banca: Cesgranrio
Instituição: Petrobras
Cargo: Analista de Sistemas Júnior - Processos de Negócio
Ano: 2008
Questão: 48
A seguir são feitas algumas afirmações a respeito de data warehouses e ferramentas OLAP.
I- Os usuários finais do data warehouse, em geral, não possuem acesso à Data Staging
Area.
II- Drill in, drill out, roll over e roll on são típicas operações disponibilizadas pelas fer-
ramentas de consultas OLAP para navegar pela hierarquia de uma dimensão.
III- As rotinas de ETL muitas vezes originam solicitações de mudanças e melhorias nos
sistemas OLTP e outras fontes de dados que alimentam o data warehouse, pois têm o po-
tencial de revelar inconsistências entre os diversos sistemas corporativos.
IV- Um data warehouse, em geral, deve ser projetado para fazer junções entre fatos e di-
mensões através de chaves naturais, evitando chaves substitutas (surrogate keys), pois estas
apenas contribuiriam para aumentar o tamanho e a complexidade do esquema sem nenhum
benefício para o usuário final.
Estão corretas APENAS as afirmações
(a). I e II.
(b). I e III.
(c). II e III.
(d). II e IV.
(e). III e IV.
Solução:
Um data warehouse é um conjunto de dados baseados em assunto, integrado, não volátil e
variável em relação ao tempo, de apoio às decisões gerenciais. Ou seja, data warehouse é
uma cópia dos dados transacionais (dados operacionais), usados no dia a dia da empresa
pelasaplicações do negócio, integrados e transformados de forma que seja possível extrair
informações integradas de caráter gerenciais sobre a comparação e processos. Essas infor-
mações extraídas de forma integrada são utilizadas para suporte à decisão, planejamento
estratégico, análise de comportamento de clientes, análise de desempenho de vendas, etc. É
uma das principais soluções de Business Intelligence no mercado.
As principais características marcantes de um data warehouse são:
• orientado ao assunto. Os dados devem estar organizados de acordo com os principais
assuntos da empresa, como clientes, pedidos, produtos;
• forte integração de dados. No data warehouse é adotado um padrão para dados, me-
didas e formatos, ou seja, os dados são integrados sob uma única forma. Isso facilita a
uniformidade e o acesso;
Página 33 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
• dados não são voláteis. No data warehouse não há necessidade de gerência de transação
de dados. Os dados no data warehouse são inseridos uma única vez e, a partir daí,
somente há leituras nesses dados (salvo, seja necessário correções);
• variante no tempo. No data warehouse existe uma nova dimensão (chave) que é o
tempo. Ao inserir dados no data warehouse, esses são adicionados e a chave tempo re-
cebe o valor do momento da atualização. Ao atualizar os dados, esses recebem o mesmo
tratamento: são novamente inseridos no data warehouse com a chave do momento da
atualização. Assim, é possível saber qual estado de um determinado dado há 5 anos.
Então, um data warehouse é variante no tempo.
A Figura 8 mostra os elementos e o fluxo de dados em um ambiente data warehouse. Por
meio da ação dos funcionários (nível operacional), as aplicações operacionais criam dados
transacionais (armazenados em bancos de dados transacionais), como: cadastros de clientes,
produtos, fornecedores, pessoal, representantes, movimentos de faturas, notas fiscais, etc.
Esses dados não servem para fins de tomadas de decisões estratégicas e gerenciais. Os
dados, para serem efetivamente usados para tais fins, devem ser transformados e carregados
no data warehouse. Durante essas transformações, que são realizadas pelas ferramentas
ETL - Extração, Transformação e Carga, são criados resumos e agregamentos entre esses
dados, que o transformam em informações de baixo nível. Por meio dos resumos, os dados
passam a ter significado para os gerentes. Quando essas informações de baixo nível são
processadas por aplicações OLAP, elas são transformadas em informações de mais valor.
Essas informações suprem as necessidades dos executivos e gerentes, relativa à estratégia
(tomada de decisões a nível corporativo) e gerenciamento do negócio (nível departamental).
Figura 8: fluxo de dados em um ambiente data warehouse.
Podemos destacar os seguintes tipos de data warehouse: Marketing, Financeiro e Compor-
tamental. O Marketing avalia o desempenho comercial de um produto ou serviço a partir de
diversas perspectivas diferentes. O Financeiro monitora o desempenho comercial em termos
financeiros. E, o comportamental contém informações individuais a respeito de cada cliente
e seus comportamentos.
A ferramenta mais popular para exploração de um data warehouse é a Online Analyti-
cal Processing OLAP ou Processo Analítico em Tempo Real. As aplicações OLAP (On-line
Analytical Processing - Processamento Analítico em Tempo Real) são aplicações baseadas
em processamento analítico e, normalmente, chamadas de aplicações sobre o negócio. Tais
aplicações manipulam e analisam sob múltiplas perspectivas as informações obtidas por meio
das aplicações transacionais, ajudando executivos e gerentes a terem um retrato da situação
Página 34 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
do negócio. Os dados sobre aplicações OLAP são chamados de dados analíticos, que são
dados operacionais otimizados para análise e não para transações.
A funcionalidade OLAP é caracterizada pela análise dinâmica e multidimensional dos da-
dos consolidados da corporação. A tecnologia OLAP é implementada em um modo cli-
ente/servidor multi-usuário e utiliza banco de dados multidimensional. A linguagem de
consulta é a MDX (Multidimensional Expression, um SQL para OLAP). Na OLAP, as con-
sultas são ad-hoc, ou seja, são definidas de acordo com o interesse de quem realiza a consulta.
Existem diversas ferramentas OLAP, as quais destacamos data mining e CRM. O data mi-
ning (mineração de dados) é uma classe de aplicações analíticas que procuram por padrões
escondidos nos dados do data warehouse. E, o CRM (Customer Relationship Management)
utiliza o data warehouse para criar um histórico integrado sobre os clientes de forma a ofe-
recer um atendimento personalizado.
Com base nas explicações anteriores, a seguir analisamos as afirmativas:
I. A Data Staging Area (Área de Representação de Dados) realiza a ligação entre as apli-
cações transacionais (OLTP) e o data warehouse. Geralmente, os dados introduzidos no
data warehouse passam pela Data Staging Area, e nesta área sofrem transformações, como
filtragem de dados (correções de erros de digitação, solução de conflitos de domínio, trata-
mento de elementos ausentes ou a divisão em formatos padrão), combinação de dados de
várias origens e cancelamento de dados duplicados. Essas transformações são anteriores ao
carregamento dos dados no data warehouse.
Esta área não provê serviços de consulta e apresentação por ser tratar de uma área onde
existem processos que limpam, transformam e preparam os dados para serem introduzidos
no data warehouse. Ou seja, o usuário final (executivos e gerentes) não possui acesso a esta
área. Portanto, esta afirmativa está correta.
II. As principais operações disponibilizadas em uma ferramenta OLAP são:
• drill-down: utilizada para solicitar uma visão mais detalhada em um conjuntos de dado.
Por exemplo, em vez de ver as vendas por estado, passa a ver as vendas por cidade.
Esta operação desagrega uma dimensão;
• roll-up: consista na operação inversa ao drill-down, isto é, apresenta os dados cada vez
mais agrupados ou sumarizados. Esta operação agrega uma dimensão;
• drill-throught: ocorre quando o usuário passa de uma informação contida em uma
dimensão para uma outra. Por exemplo, inicia na dimensão do tempo e no próximo
passo analisa a informação por região;
• slice: utilizada para selecionar apenas algumas dimensões ou membros de dimensões.
Por exemplo, analisar somente as vendas do Estado de São Paulo, no intervalo de 1998
até 2001. Esta operação faz restrição de um valor ao longo de uma dimensão;
• dice: utilizada para colocar múltiplos dados de uma dimensão sobre um eixo e múltiplos
dados de outra dimensão sobre outro eixo. Ou seja, serve para modificar a posição de
uma informação, alterar linhas por colunas de maneira a facilitar a compreensão dos
usuários. Esta operação faz restrição de valores em várias dimensões;
• pivot: serve para adicionar ou rearranjar as dimensões. Esta operação muda o eixo de
visualização.
Página 35 de 42
www.handbookdeti.com.br
Handbook de Questões de TI Comentadas para Concursos Volume questões de TI
Como podemos verificar, as operações Drill in, drill out, roll over e roll on não são disponi-
bilizadas pelas ferramentas OLAP. Portanto, esta afirmativa está errada.
III. O processo ETL - Extração, Transformação e Carga (Extraction, Transformation and
Loading) - consiste na primeira etapa do processo de obtenção de dados de aplicações transa-
cionais (OLTP) e outras fontes de dados para o data warehouse. Esse processo compreende
as atividades de extração, limpeza, transformação, carga e indexação para Data Staging
Area. Algumas atividades